参考了一部分：http://tech.pro/tutorial/1554/four-tricks-for-comprehensions-in-python
list是python中十分重要的一种数据结构，生成新的list是python程序员每天都会进行的工作，除了机械的使用for循环，append函数等方式来生成列表，还可以考虑使用更加pythonic的方式来的到列表
一、什么是列表解析？
简单来说，列表解析（list comprehension）提供了一种优雅的生成列表的方法，能用一行代码代替十几行代码，而且不损失任何可读性。而且，性能还快很多很多
简单给个例子，如果我们需要0~100所有偶数组成的列表，正常的代码应该是这样的：
a=[]
for i in range(101):
if i%2==0:
a.append(i)
用列表解析来做就是这样的：
a=[x for x in range(101) if x%2==0]
简单的一行代码代替了4行代码
从上面的例子来看列表解析的语法其实不难，可以分成三个部分来看
- x：我们需要的列表里面的结果(1st part)
- for x in range(101):x来源——0~100的数字(2nd part)
- if x%2==0:x成立的条件，如果不成立就不放在列表里了(3rd part)
例2，获取文本中所有单词的第1个字符
正常的代码
text="My house is full of flowers"
first_charts=[]
for word in text.split():
first_charts.append(word[0])
列表解析的代码:
first_charts=[word[0] for word in text.split()]
从上面的这个例子可以看出，列表解析的第一部分也可以是任意一个表达式
例3，获取两个列表对应位的乘积
来个复杂的，list a=[2,3,4,5]; list b=[3,4,5,6],想要得到a，b对应位的乘积:
[i*j for i,j in zip(a,b)]
除了列表解析，还需要使用zip函数来帮忙，zip将a,b对应位打包起来，返回[[2,3][3,4][4,5][5,6]]
例4，带if else的列表解析
list a=[‘1′,’2′,’3′,’i’,’8′],现在想将a中所有能转化为数字的字符串转化为数字，不为数字的内容都转换成0，用列表解析可以这样写：
[int(i) if i.isdigit() else 0 for i in a]
out>>[1,2,3,0,8]
增加一点难度，如果list a=[‘1′,’2′,’3′,4,5,’o’,’6′]，如果不能转换成数字则为None，列表解析可以这样写：
[int(i) if str(i).isdigit() else None for i in a]
out>>[1, 2, 3, 4, 5, None, 6]
从这个例子我们可以看到，在第一个部分，可以嵌套若干if else的语句在表达式里面。
例5，获取一个全0列表
有时候我们可能需要获取一个长度指定，全零或者全为某个值列表：
['ok' for i in range(10)]
得到一个长度为10的，全’ok’字符组成的列表
例6，略复杂的列表解析，获取列表中嵌套列表的元素，生成一个无嵌套的新列表
这个例子说起来挺拗口，实际上是想从[[1,2],[3,4,5],[6,7]，[8]]这种列表中，把嵌套在列表中的元素解出来，得到[1,2,3,4,5,6,7,8]，用列表解析可以这样写：
a=[[1,2],[3,4,5],[6,7],[8]]
[x for i in a for x in i]
out>>[1,2,3,4,5,6,7,8]
理解起来略有一点麻烦，for i in a，i为子列表，for x in i，x得到每个子列表中的值。这样的列表解析写法确实很难理解，所以有时候我们不要过分的使用复杂的列表解析。
例7，获取笛卡尔积
假设有三个配置列表
>>> a=['4k','8k','12k']
>>> b=['1','2,','3']
>>> c=['libaio','bio','directio']
我们想获取其笛卡尔积，列表解析的写法，得到：
[{'blocksize':x,'numjobs':y,'ioengine':z} for x in a for y in b for z in c]
这样就得到一个包含所有参数项目的字典列表，避免了写若干个for循环
例8，获取所有可能的组合
假设有一个配置列表[‘a’,’b’,’c’],我们想获取所有的由a,b,c组成的字符串（可以重复使用，将顺序也考虑在内），列表解析需要配合itertools中的product函数：
from itertools import product
x=['a','b','c']
results = ["".join(i) for i in product(x, repeat=3)]
out>>['aaa', 'aab', 'aac', 'aba', 'abb', 'abc', 'aca', 'acb', 'acc', 'baa', 'bab', 'bac', 'bba', 'bbb', 'bbc', 'bca', 'bcb', 'bc
c', 'caa', 'cab', 'cac', 'cba', 'cbb', 'cbc', 'cca', 'ccb', 'ccc']
例9，矩阵转置
考虑一个矩阵，matrix=[[1, 2, 3, 4], [2, 4, 6, 8], [3, 6, 9, 12]]，现在要获得他的转置矩阵，用列表解析仍然是一行：
transposed = [list(row) for row in zip(*matrix)]
matrix使用zip解开（完成转置），列表解析负责将结果生成原来的列表嵌套列表的模式
这个case也可以不用列表解析：
transposed = list(map(list, zip(*matrix)))
使用map函数也是可以的（顺便提一下）
二、列表解析快多少？
相比于for循环，列表解析的语法是由底层c语言实现的，它和使用for循环遍历pyobject对象相比，性能会有很大的提升，具体可以对比一下，定义两个函数：
def l1_true(L):
a=[x*x for x in L]
return
def l1_false(L):
a=[]
for i in L:
a.append(i*i)
return
L为range(10000)，将这两个函数循环执行10000次，计算平均耗时得到：
l1_true:0.0007s
l1_false:0.0014s
从耗时来看，使用列表解析后生成同样列表，耗时是使用for循环的二分之一
使用例6的列表解析来对比
def l2_true(L):
result=[x for i in L for x in i]
return
def l2_false(L):
a=[]
for i in L:
for x in i:
a.append(x)
L=[[i,i+1] for i in range(10000)],循环执行10000次对比结果为：
l2_true:0.0015
l2_false:0.0033
由上面两个例子可以看出，列表解析的将会大大提高python代码的执行效率，在实际工作中感觉也同样明显，应该尽量多使用列表解析
